WiFi感知研究提出用户条件空间注意力机制 提升多人并发活动识别精度

基于WiFi信道状态信息（CSI）的人类活动识别在单人场景下已取得较高精度，但当多人同时活动时，不同用户身体反射的传播路径会在CSI中叠加，导致区分用户身份与各自动作成为突出难题。现有多用户方案要么在分类前先分解信号，容易产生误差累积；要么联合预测所有活动却难以将结果可靠地关联到对应用户。

该研究提出的用户条件空间注意力（UCSA）模块，利用特征线性调制（FiLM）技术，将多尺度空间注意力与可学习的用户ID嵌入进行条件化耦合，使注意力模块本身具备用户感知能力，能够为每个用户槽位生成独立的注意力图。同时，配合一个可共享的多语义空间注意力（SMSA）模块进行多尺度空间特征增强，整个框架在一个统一的网络结构中同时处理特征质量与用户区分两个核心问题。

实验在WiMANS基准数据集上展开，涵盖三种室内环境，最多支持五个并发用户。结果显示，UCSA方法在所有测试条件下均优于九种基线方案，即便在五人并发场景下，三种环境的平均识别准确率仍保持在93%以上。消融实验进一步证实，SMSA与UCSA均对最终精度有显著贡献，其中UCSA在共享特征与逐用户预测之间起到了关键的桥接作用。

【空音视角】 多人并发感知一直是WiFi感知走向真实家居、病房、养老等场景的核心瓶颈。传统单用户注意力机制对所有人体一视同仁，无法解决信号叠加后的归属问题。本文将用户身份嵌入注入注意力生成过程，让每个用户拥有专属的空间关注区域，这一思路对空音正在推进的非接触多人体征监测和跌倒检测有直接借鉴意义：当多个被监测对象处于同一空间时，能否在算法层面区分各自的呼吸节律或动作特征，将决定方案能否真正落地于多人病房与多人居室场景。

—— 本文基于公开报道由空音编辑部 AI 辅助改写 来源：arXiv 信号处理 原文链接：https://arxiv.org/abs/2609.21530